Aktuelle Ultraschall-basierte Strategien zur Beurteilung der Leberfibrose bei chronischen Lebererkrankungen
Leberfibrose ist eine schwerwiegende Folge verschiedener chronischer Lebererkrankungen (CLE), deren genaue Beurteilung für ein effektives Patientenmanagement entscheidend ist. Historisch galt die Leberbiopsie als Goldstandard zur Einschätzung des Fibrosefortschritts. Aufgrund ihrer Invasivität, möglicher Probenfehler und Interpretationsvarianz besteht jedoch ein Bedarf an nicht-invasiven Alternativen. Konventioneller Ultraschall (US) liefert zwar diagnostische Informationen, ist jedoch subjektiv und unempfindlich in frühen Fibrosestadien. In den letzten Jahren haben ultraschallbasierte Scherwellenelastographie (SWE)-Techniken als leistungsstarke Werkzeuge zur nicht-invasiven Fibrosebeurteilung an Bedeutung gewonnen, darunter transiente Elastographie (TE), punktuelle Scherwellenelastographie (pSWE) und zweidimensionale Scherwellenelastographie (2D-SWE). Fortschritte in computerbasierten quantitativen Verfahren, insbesondere Deep Learning, haben zudem die Analyse radiologischer Bilder verbessert.
Scherwellenelastographie-Techniken
Scherwellenelastographie-Techniken messen die Lebersteifheit durch Erzeugung von Scherwellen im Lebergewebe. Die Wellengeschwindigkeit korreliert direkt mit der Gewebesteifheit und ermöglicht eine quantitative Einschätzung des Fibrosegrades. Die am besten untersuchte SWE-Methode ist die transiente Elastographie (TE). Bei der TE induziert ein kolbengestützter Transducer mechanische Schwingungen auf der Haut, die eine elastische Scherwelle in der Leber generieren. Die Wellenausbreitung wird mittels Pulsecho-Ultraschall gemessen. TE eignet sich zur Stadieneinteilung der Fibrose bei CLE, weist jedoch Einschränkungen auf: Fehlende Echtzeitbildgebung und das Fehlen von Graustufenbildern können die ROI-Auswahl (Region of Interest) fehleranfällig machen.
Die punktuelle Scherwellenelastographie (pSWE) nutzt konventionelle Ultraschallgeräte mit modifizierten Sonden. Hierbei wird in einem kleinen ROI (ca. 1 cm³) durch akustische Strahlungskraftimpulse (ARFI) eine Scherwelle erzeugt. Die Gewebeverlagerung wird via B-Bild-Modus überwacht. Klinische Validierungsstudien verglichen ARFI mit virtueller Gewebequantifizierung (VTQ) erfolgreich mit TE. Beide Methoden zeigen hohe diagnostische Genauigkeit (AUROC >90 %) für Zirrhose, wobei ARFI Vorteile bietet: Integration in Standardgeräte, bessere Anwendbarkeit bei Aszites und multiplen Messregionen.
Elastographie-Punkt-Quantifizierung (ElastPQ), eine pSWE-Variante mit ARFI, ermöglicht einfache Lebersteifemessungen nach ROI-Markierung im B-Bild. Während TE und ARFI einzelne Frequenzen nutzen, emittiert die 2D-SWE breitbandige Pulswellen (60–600 Hz) in verschiedenen Tiefen. Hierbei wird eine Echtzeit-Farbkodierung der Elastizität über das B-Bild gelegt, die eine quantitative ROI-Analyse erlaubt. 2D-SWE zeigt exzellente Genauigkeit bei fortgeschrittener Fibrose und Zirrhose, insbesondere bei Virushepatitis, und eignet sich zur Evaluation portaler Hypertension.
Vergleich der SWE-Techniken
Die Leitlinien der Europäischen Föderation für Ultraschall in Medizin und Biologie empfehlen TE, ARFI und 2D-SWE als Erstlinienverfahren zur Fibrosebeurteilung bei chronischer Hepatitis C. Bei Hepatitis B sind pSWE (VTQ) und 2D-SWE zur Zirrhosediagnostik geeignet. TE fehlt die Graustufenführung, während ARFI und 2D-SWE Echtzeitbilder mit B-Modus-Überlagerung bieten. 2D-SWE ermöglicht durch Farbelastizitätskartierung eine umfassende Beurteilung.
Computerbasierte quantitative Techniken
Computerbasierte quantitative Methoden unterstützen zunehmend die radiologische Bildanalyse. Traditionelles maschinelles Lernen (ML) nutzt manuelle Merkmalsextraktion, die durch Bildartefakte limitiert ist. Deep Learning (DL), ein ML-Subbereich, verarbeitet Rohbilddaten direkt und lernt abstrakte Merkmale automatisch. Faltungsneuronale Netze (CNNs) – bestehend aus Faltungs-, Pooling- und vollständig verbundenen Schichten – zeigen in 2D-SWE-Analysen eine hohe Leistung zur Fibrosestadienklassifikation.
DL-Modelle benötigen jedoch umfangreiche, annotierte Trainingsdatensätze, die in der Ultraschalldiagnostik oft fehlen. Transferlernen – die Übertragung von Wissen aus anderen Domänen – bietet hier eine Lösung. Studien belegen, dass Transferlernen kombiniert mit Graustufen- und 2D-SWE-Bildern eine präzise Fibrosestadienklassifikation ermöglicht. Weitere großangelegte Studien sind notwendig, um das Potenzial vollständig auszuschöpfen.
Zusammenfassung
Scherwellenelastographie hat die nicht-invasive Fibrosebeurteilung revolutioniert. TE, pSWE und 2D-SWE ermöglichen eine zuverlässige Stadieneinteilung, wobei 2D-SWE durch Echtzeit-Farbelastizitätskarten hervorsticht. Die Integration computerbasierter Verfahren wie Deep Learning optimiert die Bildanalyse. Künftig werden KI-Systeme, insbesondere unter Nutzung von Transferlernen, ein Schwerpunkt in der Erforschung nicht-invasiver Leberfibrose-Assessment-Strategien sein.
doi.org/10.1097/CM9.0000000000001136